SEONexus/docs/old-tmp-seo/03-老模板蜘蛛日志与代码映射交接文档-2026-04-16.md

1272-SEONexus 老模板蜘蛛日志与代码映射交接文档 - 2026-04-16

目的

这份文档是在 1271 的基础上继续往前走一步：

• 不再只停留在日志现象
• 而是把当前蜘蛛日志现象，映射到项目里最可能对应的代码位置

这样主 Codex 接手时，可以直接从关键入口开始排查，而不是重新全仓翻一遍。

和前置文档的关系

• 1269：定义第一阶段目标
• 1270：定义协作边界
• 1271：沉淀蜘蛛日志观察结论
• 1272：把观察结论映射到代码入口

当前最关键的代码位置

1. 路由层

主要文件：

• router.php

关键点：

• robots、sitemap、rss、sitemap_index、sitemap-main、sitemap-videos-* 都在这里注册
• videoGpt1 分支里额外注册了大量历史详情页/播放页兼容路由
• 这些兼容路由正好和日志里高频出现的旧路径高度一致

直接对应的日志现象：

• /voddetail/...|301
• /vodplay/...|301
• /video-info/...|301
• /video-play/...|301
• /video-show/...|301
• /shipin/...|301

结论：

这批深页历史入口并不是“无路由直接 404”，而是已经被路由层接住了。日志里大量 301 -> 200 的前提条件之一，就是这里的兼容路由在工作。

2. URL 规范输出层

主要文件：

• UrlBuilder.php
• VideoService.php

关键点：

• UrlBuilder::detail() 默认走 voddetail/{strPinyin}-{intVId}
• UrlBuilder::play() 默认走 vodplay/{strPinyin}-{intVId}-{strPlayType}-{intPlayIndex}
• VideoService::getVideoInfoUrl() / getVideoPlayUrl() 在 videoGpt1 下优先走 UrlBuilder

直接对应的日志现象：

• 当前仍有大量 voddetail / vodplay 命中
• 同时又能看到 video-info / video-play / video-show 命中

结论：

当前项目里“规范输出路径”和“兼容接入路径”是两层结构。UrlBuilder 更像主输出，router.php 里的兼容列表负责兜住历史入口。

和首页 /|301 最相关的代码点

1. DomainModel 的 host 归一口径

主要文件：

• DomainModel.php

关键点：

• 存在 canonical_mode
• 存在 play_index_mode
• 多处会对 host 做 preg_replace('/^www\\./', '', ...)

这说明：

• 系统里已经有“规范 host / canonical 策略”的概念
• 但从日志看，裸域和 www 仍然同时被抓，说明这套策略没有完全在前台最终输出和真实访问上闭环

2. SiteContext 的域名识别口径

主要文件：

• SiteContext.php

关键点：

• getTemplate() 用的是 Request->rootDomain()
• 然后用 root domain 去取 DomainModel

对应判断：

• 这有利于让 www.xxx.com 和 xxx.com 落到同一个站点配置
• 但这本身不会自动消除首页 301
• 它更多解决的是“能不能识别到站点”，不是“是否直达最终规范 host”

结论：

日志里大量 /|301 更可能是前台实际访问入口、host 规范和模板/链接输出之间还没有完全统一，而不只是域名识别不到。

和深页 301 最相关的代码点

1. 兼容路由列表

主要文件：

• router.php

这里显式注册了大量历史深页入口，包括：

• voddetail
• vodinfo
• vod
• video-info
• video-detail
• video
• shipin
• vodplay
• video-play
• video-show
• shipin-play
• shipin-bofang

这和日志完全对上了。

结论：

现在看到的大量深页 301，很可能正是“旧入口先接住，再跳到当前 family 主输出 URL”的结果。

2. VideoService 的主输出链接

主要文件：

• VideoService.php

关键点：

• 详情页和播放页主输出都优先走 UrlBuilder
• 如果站点 family 不是历史路径样式，那么历史外链进来后出现一次 301 是符合当前结构的

这也解释了为什么：

• yagyjt.com 已经能深抓
• 但 detail|301 / play|301 仍然很高

结论：

代码结构上，深页 301 并不奇怪；真正值得主 Codex 继续排的是：哪些 301 是必要兼容，哪些 301 已经可以进一步压缩。

和 canonical / robots 最相关的代码点

1. SiteStyle 的 SEO meta 构建

主要文件：

• SiteStyle.php

关键点：

• detectPageType() 目前只明确识别：
  • home
  • voddetail/* -> detail
  • vodplay/* -> play
  • search
  • 部分 rank
  • 部分 category
• buildSeoMeta() 里：
  • detail 默认 index,follow
  • play 默认 noindex,follow
  • play canonical 会回指 detail

2. 当前存在的明显风险

guessDetailUrlFromVideo() 目前是硬编码回：

• /voddetail/{slug}-{id}
• 或 /voddetail/{id}

这意味着：

• 如果站点当前主 family 并不以 voddetail 作为规范详情路径
• 或者主输出已经切到别的 detail pattern
• 那么模板 canonical 就可能和当前主输出路径不完全一致

这是当前最值得主 Codex 重点核对的一点。

3. DomainModel 配置和模板输出暂未明显打通

虽然 DomainModel 已有：

• canonical_mode
• play_index_mode

但从当前代码检索结果看：

• 这些配置主要存在于模型默认值、标准化、bootstrap 汇总
• 前台模板 meta 生成仍主要靠 SiteStyle::buildSeoMeta()
• 而 SiteStyle::buildSeoMeta() 没有明显读取 DomainModel 的这两个配置

结论：

现在“配置层有 canonical/play_index 策略”和“前台模板真实输出什么 canonical/robots”之间，存在未完全打通的风险。

和 sitemap 最相关的代码点

1. 前台 sitemap 读取

主要文件：

• SiteContext.php

关键点：

• getSiteMapByCode() 只是按约定文件名读取 storage/SiteMap/{domain}/...
• 如果文件不存在，直接返回 404

这说明：

• sitemap*.xml 的稳定性，既依赖路由，也依赖离线文件是否实际生成成功

2. sitemap 生成逻辑

主要文件：

• SiteMapLogic.php
• VideoSiteMapLogic.php

关键点：

• 两处生成逻辑里多次直接写：
  • https://www.{$DomainModel->d_domain}/...
• VideoSiteMapLogic 生成视频详情页时，会优先读当前 url_family['detail']['pattern']
• 但最终 host 仍然是硬拼 https://www. + domain

这和日志里的 host 分裂现象是高度相关的。

结论：

如果站点真实规范 host 不是 www，或者前台访问并没有完全锁在 www，那么 sitemap 长期输出 https://www.xxx.com/... 本身就可能持续制造首页和深页的规范化跳转。

和“非 404 而是随机回落”的代码点

主要文件：

• VideoService.php

关键点：

• getVideoByVId() 在直接按 v_id 查不到时，会进入 resolveFallbackVideoByRequest()
• resolveFallbackVideoByRequest() 会：
  • 先看绑定表
  • 再随机采样可播放视频
  • 再做兜底有序回落
• 命中后会把“请求的旧 id”绑定到“随机或兜底找到的新视频 id”

这说明：

• 某些旧深链并不一定直接 404
• 也可能被系统兜底绑定到别的视频，再输出一个可访问页面

对应日志判断：

• 这能解释为什么一部分历史深链现在表现成 301 -> 200
• 但也意味着 canonical 和真实内容语义一致性要特别小心

给主 Codex 的代码排查优先级

1. 先查 host 规范是否被多处硬编码成 www

优先看：

• SiteMapLogic.php
• VideoSiteMapLogic.php
• 任何模板里直接拼域名的位置

原因：

• 这最直接对应日志里的 /|301
• 也最直接对应裸域 / www 分裂

2. 再查 canonical 是否仍硬编码成 /voddetail/...

优先看：

• SiteStyle::buildSeoMeta()
• SiteStyle::guessDetailUrlFromVideo()

原因：

• 当前 detail/play 主输出已经有 family 概念
• canonical 仍硬编码 voddetail 风险较大

3. 再查历史兼容路由是否仍有可压缩空间

优先看：

• app/home/config/router.php 的 legacy compat 段

原因：

• 这直接对应日志里大量 video-info / video-play / video-show / shipin 的命中
• 主线要判断哪些入口必须保留，哪些入口可以进一步合并或缩短跳转链

4. 最后查 fallback 视频绑定是否会放大“错链也 200”

优先看：

• VideoService::resolveFallbackVideoByRequest()

原因：

• 这条链对“减少 404”有帮助
• 但如果过度回落，也可能把错误深链转成语义不一致的 200

给主 Codex 的一句话交接

如果主 Codex 要开始从实现层排这轮蜘蛛问题，最值得先看的不是模板样式，而是：

router.php 的历史兼容入口、SiteStyle 的 canonical 输出、VideoSiteMapLogic/SiteMapLogic 的 www host 拼接、以及 VideoService 的 fallback 回落链。